2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩73頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、圖像分割作為數(shù)字圖像處理算法的一個最基本的預(yù)處理步驟,其精確度直接決定著后續(xù)圖像處理應(yīng)用(例如識別和配準)的成功與否。但至今為止,圖像分割算法尤其是針對醫(yī)學(xué)圖像的分割算法并不完善。由于醫(yī)學(xué)圖像本身固有特性的影響,利用傳統(tǒng)的分割算法對醫(yī)學(xué)圖像進行準確快速的分割還面臨著巨大的困難。活動輪廓模型是偏微分方法在圖像處理領(lǐng)域的一個成功的應(yīng)用,因其分割結(jié)果為閉合的曲線,該類算法在醫(yī)學(xué)圖像分割方面得到了廣泛的應(yīng)用,取得了巨大的成功。
   針

2、對基于偏微分方程和活動輪廓模型的醫(yī)學(xué)圖像分割算法,本文主要研究了以下幾個方面:
   1.針對傳統(tǒng)的基于水平集函數(shù)的活動輪廓模型易陷入局部極小值的問題,我們提出了一種能夠獲得全局最小值的活動輪廓模型。通過在其能量函數(shù)中嵌入圖像偏移場的估計,該模型能夠準確的分割灰度分布不均勻的圖像,如MRI和CT等。在本章中,針對圖像的偏移場估計,我們提出了一種新的基于高斯函數(shù)平滑的偏移場估計算法。同時,利用圖像的位于活動曲線附近的局部區(qū)域信息來

3、計算圖像的分片常數(shù),取代了傳統(tǒng)模型利用圖像全局信息計算的分片常數(shù)的模式。最后,利用總變分范數(shù)的Dualformulation數(shù)值算法,本文的模型可以快速的得到全局最小值。實驗結(jié)果表明,本文的算法在醫(yī)學(xué)圖像和自然圖像上都取得了較好的分割效果。
   2.基于水平集函數(shù)的耦合曲線活動輪廓模型的主要缺點是運算速度慢,對噪聲和曲線初始化位置十分敏感。為了克服如上所述的傳統(tǒng)活動輪廓模型的缺點,本文提出了一種基于圖割理論的耦合曲線活動輪廓模

4、型,該模型的能量函數(shù)可以通過對傳統(tǒng)耦合曲線活動輪廓模型的能量函數(shù)進行線性變換,并且利用兩個歸一化參數(shù)來對線性變換后的能量函數(shù)進行非線性加權(quán)。該歸一化能量函數(shù)可以克服基于圖割理論的耦合曲線活動輪廓模型分割結(jié)果容易趨向于區(qū)域平均的缺點。同時,我們使用圖割算法來取代水平集算法,可以快速穩(wěn)定的求得歸一化耦合曲線活動模型的能量函數(shù)的最小值。實驗結(jié)果表明,本文的算法比水平集算法提高了超過10倍的運算速度,在醫(yī)學(xué)圖像和自然圖像上都取得較好的效果。

5、r>   3.活動輪廓模型是迄今為止最為成功的變分圖像處理方法之一,在圖像分割,模式分析和計算機視覺方面有著廣泛的應(yīng)用。但是傳統(tǒng)的活動輪廓模型不僅耗時嚴重,而且對噪聲十分的敏感。針對以上缺點,我們提出了一種結(jié)合輪廓波變換的新的活動輪廓模型方法。該方法首先對待分割圖像進行輪廓波變換并處理其系數(shù),然后對重建后的第二精細層圖像進行兩次下采樣變換。最后我們在最粗糙層圖像進行活動輪廓模型的初始化,并且將上一層圖像的分割結(jié)果最為下一層圖像的初始化

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論